【热点剖析】安卓阵营缘何难产，Face ID 前路何方？
全面屏时代，生物识别传感器重新成为终端ID设计的重点。电容式指纹识别基本已完全失去高端市场，仅剩后置coating方案支撑，且模组报价早已跌破$1。前置生物识别设计成为高端机代名词，在iPhone X 发布近10个月后的今天，我们终于看到了安卓阵营Face ID机型的上市，并看到了VIVO 发布了TOF方案。为何安卓结构光如此难产？TOF未来如何？Face ID 最终出货几何？下面我们逐一细说。
安卓阵营目前仅有小米8透明探索者版及OPPO Find X发布，结构光方案之所以难产，主要是因为结构光模组光学结构及算法复杂。结构光可分为编码结构光与散斑结构光。前者使用编码pattern，后者则使用伪随机光斑对空间进行标定。
小米采用编码结构光
苹果&OPPO采用散斑结构光
两者都使用了部分三角测距原理，因此光源与镜头必须确保足够距离，这段距离被称为baseline。苹果采用的散斑结构光，其baseline长度在25mm左右，因此其Notch部分很宽。小米8采用以色列Mantis方案，为编码结构光，结构简单，但识别距离及精度相同时，则baseline更长。小米8采用相同Notch设计发布后即被苹果威胁提告侵权。OPPO Find X 使用奥比中光散斑结构光方案也无法避开baseline问题，为避开苹果ID设计，其创新性的使用了滑盖式设计，代价是整机厚度高达9.6mm。
结构光算法复杂，苹果A11仿生芯片可单独为结构光设计计算单元，大大提高了效率与安全性。安卓阵营，则因高通方案不成熟，需增加外置计算IC，降低了运算效率与安全性。目前奥比中光搭配MX系列计算芯片，Mantis算法相对简单，是否需额外增加芯片尚未确定。
目前小米8透明探索者版本量产困难，OPPO Find X备货量仅100万台左右。
Face ID 机型对比
Vivo在6月28日上海MWC期间发布了其TOF 超感技术，并宣称相较于结构光有10倍有效深度信息及3倍工作距离。
Vivo TOF Demo
但是散斑结构光对于深度的判定并不是一个光斑对应一个距离，而是根据算法标定。iPhone宣称有超过30000个光斑进行深度测量，但实际接收Sensor分辨率为1312*1104.即140W像素左右，具体深度图分辨率并未放出。而奥比中光则宣称深度图分辨率在30fps时可达到1280*1024，因此结构光深度图分辨率基本在百万级。而目前业界最高分辨率TOF Sensor 为SONY IMX456QL 及松下的CCD Sensor（需额外搭配ADI驱动芯片）也仅有VGA 即640*480（30万有效像素）。实际上TOF深度图分辨率仅有结构光的1/3，10倍有效深度信息只是偷换概念。由于TOF 方案使用调制波光飞时间测量深度，技术核心在Sensor的设计及驱动算法，光学上仅要求大光圈（f 1.4及以上），baseline可缩减至5mm以下，因此被认为下一代Face ID方案的最有力竞争者。
松下TOF相机 Demo
SONY TOF Demo 效果图(颜色代表深度)
TOF&结构光对比
无论结构光还是TOF都是3D摄像头的一种，Face ID 只是3D 计算机视觉的一类应用。因此今天我们对Face ID 的市场预测应该放眼3D成像整体市场。根据奥维云网（AVC）数据显示，2017年全球3D图像与检测市场规模为18亿美元，预计到2020年将达到57亿美元。
全球3D图像与检测市场容量
Data Source：奥维云网（AVC）显示器件与系统大数据 unit：B $
手机作为第一大消费电子产品，其巨量的用户数据成为了新兴技术最佳的孵化温床。随着iPhone X 的发布，苹果同时发布了其AR Kite 平台。 Face ID 作为手机3D 视觉第一应用，相信各家终端厂商绝不会错过这个training 产品&算法&供应链的机会。针对后续Face ID在智能手机上的应用，奥维云网（AVC）认为到2020年渗透率会突破20%。
智能手机Face ID 搭载预测
Data Source：奥维云网（AVC）显示器件与系统大数据 unit：M pcs